tf1.13.1 及 tf2.0.0  相关依赖及版本

 

 

 

 

 

 

硬件说明：显卡NVIDIA-GEFORCE-GTX-1060

 

1.驱动版本检查，并且更新显卡驱动【这一步很重要，你的驱动版本低了，cuda及cudnn就可能出错】

错误：DLL load failed: 找不到指定的模块。

cmd中输入：nvidia-smi  

 

 

显卡驱动已经是最新的了。如果不是最新的显卡驱动，需要手动更新一下。

补充：驱动version对应 cuda 和 cudnn的版本

 

 

 

 我们安装的cuda 是10.0.130   所以：win10对应的nvidia的驱动版本要大于411.31。【我更新后的显卡驱动为：436.48满足条件】

 

 

假如你的驱动版本低于411.31，就需要更新驱动

驱动下载地址：https://www.nvidia.com/Download/index.aspx?lang=en-us

 

选择下载版本：根据自己电脑的显卡型号进行选择（百度相关机型，就能有详细信息；也可以在硬件里查看；）

第一次下载的标准版本，提示我的电脑windows Drivers Type 为DCH 而不是标准版本，所以重新下载安装成功。

 

 

 

下载的驱动：436.48-desktop-win10-64bit-international-dch-whql.exe  按提示（prompts）安装即可。

说明：我是先卸载原有NVIDIA驱动之后安装的，如果你没有卸载原有驱动，覆盖安装不清楚是否可行。

 

2.安装tensorflow-gpu1.13.1【如果没有安装anaconda，先自行安装】

　　2.1创建虚拟环境 tf113：

　　　　在cmd以管理员身份运行：conda create -n tf113 python=3.6.9

　　2.1.1激活 tf113 安装cudatoolkit  及cudnn

　　　　查看可供安装的版本：conda search cudatoolkit

 

 

 　　　　网上很多说10.1不太支持，反正自己前几次10.1的安装，没有成功。这里就直接安装10.0.130

　　　　conda install cudatoolkit=10.0.130

　　　　

　　　　同理：查看cudnn的版本   ：conda search cudnn

 

 　　　　支持cuda10.0的cudnn有两个版本   选择一个

　　　　conda install cudnn=7.3.1

　　　　查看tensorflow-gpu可供选择的版本

　　　　conda search tensorflow-gpu

 

 　　　　因为最近学习的内容，大部分是在tensorflow1.13.1基础上完成的，所以这里选择安装该版本

　　　　conda install tensorflow-gpu=1.13.1

　　　　现在开始安装  numpy  scikit-leran Keras等平时需要用到的包

              conda install numpy

　　　　提醒：该虚拟环境，最好手动更新安装包，不要批量更新

 

　　

　　2.2创建虚拟环境 tf200：

　　　　2.2.1在cmd以管理员身份运行：conda create -n tf200 python=3.6.2

　　　　2.2.2：激活虚拟环境tf200      ：conda activate tf200

　　　　2.2.3：安装cuda                     ：conda install cudatoolkit=10.0.130

　　　　2.2.4：安装cudnn                   ：conda install cudnn=7.3.1

　　　　2.2.5：安装tensorflow-gpu 2.0.0   

　　　　　　注意：conda search tensorflow-gpu 2.0.0   的库中并没有  该版本的tf包，所以选择用pip进行安装

　　　　

　　　　　　

 

　　　　　　2.2.5.1：更新pip至最新的版本，这一步很关键，不是最新的版本，有可能找不到tf2.0的包

　　　　　　python -m pip install --upgrade pip     ##更新到最新，方式不统一

　　　　　　2.2.5.2 ：通过清华源进行安装（清华源更改：）

　　　　　　pip install tensorflow-gpu==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple